下面把 conda 常用命令与最佳实践一次讲清：环境与包管理、通道与配置、导入导出、复现回滚、加速与清理、排错。你可以把这当“conda 作业手册”。

---

1) 安装与初始化

# 检查版本与基本信息
conda --version
conda info -a          # 所有关键信息（平台、缓存、通道、配置）

# 初始化 shell（首次安装后）
conda init bash        # 可选：zsh/fish/powershell/cmd.exe
# 关闭自动激活 base（推荐）
conda config --set auto_activate_base false

---

2) 环境（env）管理

创建 / 激活 / 删除

# 创建名为 py312 的环境，并指定 Python 版本
conda create -n py312 python=3.12

# 激活/退出
conda activate py312
conda deactivate

# 列出环境
conda env list         # 或 conda info --envs

# 删除整个环境
conda remove -n py312 --all

在未激活的情况下运行命令

# 不切换当前 shell，直接在特定环境里跑命令
conda run -n py312 python -c "import sys; print(sys.version)"

环境变量（写入某个环境）

# 设置/查看/移除 环境专属变量（激活该环境时注入）
conda env config vars set API_URL=https://example.com -n py312
conda env config vars list -n py312
conda env config vars unset API_URL -n py312

---

3) 包（package）管理

搜索与安装/卸载/升级

# 搜索包（支持通配/版本）
conda search numpy
conda search "numpy>=1.26,<2"

# 安装到当前环境
conda install numpy pandas

# 指定版本/通道安装
conda install numpy=1.26 -c conda-forge

# 升级某包或升级全部包（谨慎）
conda update numpy
conda update --all

# 卸载
conda remove numpy

查看环境中的包

conda list                 # 列出已装包
conda list numpy           # 查看指定包的详情
conda list --revisions     # 查看该环境历史变更
conda install --revision 5 # 回滚到第 5 次修订（秒级恢复）

---

4) 通道（channels）与优先级

通道决定包下载的来源；常见有 defaults 与 conda-forge。

# 添加/移除通道（全局配置）
conda config --add channels conda-forge
conda config --remove channels conda-forge

# 查看配置与通道来源
conda config --show
conda config --show-sources

# 严格通道优先级（强烈推荐，避免混源导致解析冲突）
conda config --set channel_priority strict

经验法则：尽量单一通道（如全用 conda-forge），或在环境层面固定通道；避免在一个环境里频繁混用不同源。

---

5) 环境导出、复现与团队协作

environment.yml（推荐做法）

# 导出：包含平台无关的依赖（常用）
conda env export --no-builds -n py312 > environment.yml

# 只导出“你显式安装的顶层依赖”（更精炼，便于长期维护）
conda env export --from-history -n py312 > environment.yml

# 从文件创建/更新环境
conda env create -f environment.yml        # 新建
conda env update -f environment.yml --prune  # 对已有环境差异应用，--prune 会移除多余包

精确复现（spec 文件）

# 生成“显式”规范（精确到构建号与平台）
conda list --explicit > spec-file.txt

# 根据 spec 复刻（跨机器 1:1 还原）
conda create -n cloned --file spec-file.txt

---

6) 加速解析与下载

• libmamba 求解器（大幅加速依赖解析）：

  # 安装并切换到 libmamba 求解器（一次配置）
  conda install -n base conda-libmamba-solver
  conda config --set solver libmamba
  

• mamba：与 conda 命令兼容的替代实现，速度更快（若已安装）：

  mamba create -n py312 python=3.12
  mamba install numpy
  

• 本地缓存/镜像：企业内建议配置私有镜像或本地代理，加快下载并可控。

---

7) 清理空间

# 清理索引缓存、包缓存、未使用的包与临时文件
conda clean --all
# 更细粒度：
conda clean --packages
conda clean --tarballs
conda clean --index-cache

---

8) 与 pip 协作（在 conda 环境中用 pip）

conda activate py312
# 先用 conda 安装能用到的包，再用 pip 补充 conda 没有的
conda install pip
pip install some-package-not-on-conda

建议：同一环境里尽量先 conda 后 pip，并尽量不要跨通道和跨工具重复安装同一个包；确需混用时固定通道、锁版本，减少解析冲突。

---

9) 常见问题速排

1. 激活失败 / 命令找不到

   • 运行 conda init <你的shell> 后重启终端；或使用完整路径 ~/miniconda3/bin/conda。

2. 解析很慢 / 冲突

   • 开启 libmamba 求解器；固定通道并启 channel_priority strict；放宽不必要的版本上界。

3. 包装不上 / 找不到版本

   • conda search -c conda-forge <pkg> 查可用版本；或换通道；或用 pip 兜底。

4. 环境损坏/装错版本

   • conda list --revisions → conda install --revision N 回滚。

5. 空间占用过大

   • conda clean --all 清缓存；定期删老环境 conda remove -n <env> --all。

6. Windows PowerShell 激活脚本被禁

   • 以管理员身份执行一次：

     Set-ExecutionPolicy -Scope CurrentUser RemoteSigned
     

---

10) 管理命令速查（Cheat Sheet）

环境：

conda create -n NAME python=3.12      # 创建环境
conda activate NAME                   # 激活
conda deactivate                      # 退出
conda env list                        # 列环境
conda remove -n NAME --all            # 删除环境
conda run -n NAME <cmd>               # 在环境中执行命令
conda list --revisions                # 查看修订并可回滚

包：

conda search PKG                      # 搜索
conda install PKG[=VER]               # 安装
conda update PKG | conda update --all # 升级
conda remove PKG                      # 卸载
conda list [PKG]                      # 列出包

通道与配置：

conda config --add channels conda-forge
conda config --set channel_priority strict
conda config --show
conda info -a

导出/复现：

conda env export --no-builds > environment.yml
conda env export --from-history > environment.yml
conda env create -f environment.yml
conda env update -f environment.yml --prune
conda list --explicit > spec.txt
conda create -n NEW --file spec.txt

清理与修复：

conda clean --all
conda install --revision N

---

11) 团队与 CI 的落地建议

• 固定通道（比如全局使用 conda-forge）并启用 strict 优先级。
• 生成 environment.yml 并提交到版本库；部署用 conda env create/update。
• 大仓/多项目：采用每项目一个环境；CI 缓存 ~/.conda 与 ~/.conda/pkgs。
• 解析加速：启 libmamba；或直接用 mamba 在 CI 中安装。
• 结合 pip 时，conda 优先，pip 仅补充缺失包；必要时在 environment.yml 的 - pip: 段列出。

---